디지털화된 역사적 신경해부학 일러스트의 인공지능 보조 향상을 위한 재현 가능한 프로토콜

요약

이 방법 글은 인공지능을 활용한 디지털 역사적 신경해부학 그림의 재현 가능하고 품질 관리된 워크플로우를 제시합니다. 프로토콜은 소스 선택, 추출, 파일 표준화, 로컬 초해상도 처리, 쌍 원본 향상 아카이빙, 기술 품질 관리 검토, 허용 가능한 출력과 비최적 출력 모두의 문서화를 정의합니다.

초록

디지털화된 역사적 신경해부학 삽화는 해부학 교육, 역사 연구, 디지털 아카이빙에 귀중한 자원입니다. 하지만 교육 자료와 학술 발표에서의 실용적 사용은 낮은 해상도, 색 바래기, 종이 변색, 압축 아티팩트, 그리고 정밀한 해부학적 선이나 라벨의 가독성 저하 등으로 인해 종종 제한됩니다. 인공지능 보조 초해상도는 이러한 디지털 복제본의 시각적 사용성을 향상시킬 수 있지만, 통제되지 않은 향상은 인공 질감, 선의 연속성 변경, 왜곡된 라벨, 또는 원본 이미지에서 지지되지 않는 시각적으로 그럴듯한 세부 사항을 유발할 수 있습니다. 따라서 인공지능 보조 향상을 역사적 과학 삽화에 적용할 때는 표준화되고 투명한 절차가 필요합니다.

이 글에서는 디지털화된 역사적 신경해부학 일러스트를 통제된 향상에 대한 단계별 워크플로우를 설명합니다. 프로토콜에는 소스 이미지 선택, 출처 및 재사용 상태 문서화, 이미지 추출, 보수적 전처리, 고정 설정을 이용한 로컬 초해상도 향상, 쌍으로 원본 강화 아카이빙, 관심 영역 기반 검사, 구조화된 기술 품질 관리 문서화가 포함됩니다. 이 워크플로우는 교육, 발표, 예비 시각 검사 시 시각적 접근성을 향상시키는 동시에 모든 향상된 출력물과 원본 디지털화된 소스 간의 직접적인 해석 연결을 유지하도록 설계되었습니다.

이 방법은 원본 예술 작품의 복원, 역사적 자료의 인증, 또는 잃어버린 해부학적 정보 복구가 아니라 스캔된 디지털 복제본의 보조 보강으로 간주되어야 합니다. 원본과 향상된 버전은 함께 보관되어야 하며, 향상된 출력물은 사용 전에 가능한 아티팩트가 있는지 검토해야 합니다. 이 프로토콜은 해부학적·역사적 무결성에 대한 주의를 유지하면서도 역사적 신경해부학적 이미지를 쌍으로 동반 시각화로 준비하는 실용적이고 저비용이며 재현 가능한 접근법을 제공합니다.

서론

역사적인 신경해부학 삽화는 신경계의 시각적 기록, 교육, 해석에 중요한 역할을 해왔습니다. 현대 신경영상 기술이 발달하기 전에는 해부학판이 뇌, 뇌실, 뇌신경, 혈관 구조, 뇌간 해부학 ^1,2,3의 관측을 전달하는 주요 매개체였습니다. 이들 작품 중 다수는 현재 디지털화된 책, 스캔된 기록 보관소, 온라인 저장소를 통해 접근할 수 있습니다. 하지만 현대 교육, 발표, 디지털 아카이빙에서 디지털화된 역사적 일러스트의 직접적 사용은 저해상도, 희미함, 종이 변색, 압축 아티팩트, 스캔 관련 흐림, 그리고 4,5,6,7,8 레이블의 가독성 저하 등으로 제한되는 경우가 많습니다.

AI 지원 이미지 향상 및 초해상도 방법은 저하되거나 저해상도 디지털화된 이미지의 시각적 사용성을 개선할 수 있는 실질적인 기회를 제공합니다. 딥러닝 기반 초해상도 알고리즘은 디지털 이미지에서 겉보기 해상도를 높이고, 가장자리 선명도를 개선하며, 스캔 관련 시각적 저하를 줄일 수 있습니다^{9, 10, 11, 12}. 역사적 신경해부학 삽화의 경우, 이러한 방법들은 원본 디지털화된 복제본에서 검사하기 어려운 미세한 해부학적 선, 라벨, 구조적 경계를 명확히 하는 데 도움이 될 수 있습니다. 그럼에도 불구하고 역사적 해부학적 이미지는 주의가 필요합니다. 이 일러스트들은 단순한 시각적 교육 자료가 아니라 과학적·역사적 문서이기도 합니다. 향상은 선명도를 높일 수 있지만, 표준화된 작업 흐름 없이 적용될 경우 선 질감을 변경하거나 가장자리를 과장하거나 음영을 수정하거나 인공 디테일을 만들 수 있습니다.

이러한 이유로, 인공지능을 이용한 역사적 해부학 삽화의 향상은 무제한적인 이미지 조작보다는 통제된 기술 과정으로 수행되어야 합니다. 재현 가능한 프로토콜은 원본 이미지 선정 방법, 출처 및 재사용 상태 문서화, 이미지 추출 및 표준화, 어떤 향상 설정 적용, 출력 파일 보관 방법, 향상된 이미지의 아티팩트 검사 방식을 정의해야 합니다. 원본과 향상된 버전은 작업 흐름 전반에 걸쳐 연결되어 있어야 하므로, 향상된 결과물이 항상 복원되거나 역사적으로 원본 이미지가 아닌 처리된 디지털 복제본으로 해석될 수 있습니다.

표준화된 워크플로우는 소스 선택, 보수적 전처리, 고정 향상 설정, 쌍으로 된 원본 향상 아카이빙, 그리고 처리 이미지 사용 후 보강 후 품질 관리를 정의하기 때문에 임시 인공지능 보조 향상보다 선호됩니다. 최종 사용자는 해부학자, 신경외과 의사, 의학 교육자, 해부학사학자, 의학 일러스트레이터, 그리고 원본 원본에 직접 접근하면서도 시각적으로 읽기 좋은 동반 사본이 필요한 디지털 아카이브 사용자들입니다.

이 방법 글은 디지털 역사적 신경해부학 그림을 AI 보조 향상에 대한 단계별 프로토콜을 제시합니다. 이미지 준비, 고정 16× 초해상도 향상, PNG 내보내기를 포함한 핵심 이미지 처리 순서는 그림 1에 요약되어 있습니다. 이후 프로토콜 단계에는 쌍으로 원본 강화 아카이빙, 향상된 후 품질 관리, 관심 영역 기반 시각적 검사, 성공 및 최적 부적합 결과의 문서화가 포함됩니다. 이 프로토콜은 원본 예술 작품의 복원이나 잃어버린 해부학적 정보 복구를 주장하기 위한 것이 아닙니다; 오히려 디지털 복제본의 시각적 접근성을 향상시키면서도 향상된 이미지와 원본 소스 간의 해석적 관계를 유지하는 것을 목표로 합니다.

프로토콜

이 프로토콜은 디지털화된 역사적 신경해부학 일러스트에만 적용되었으며, 인간 참가자, 환자 데이터, 동물 대상, 생물학적 샘플 또는 식별 가능한 개인 정보는 포함하지 않았습니다; 따라서 기관 내 인간-대상 연구 승인은 적용되지 않았습니다. 모든 이미지는 퍼블릭 도메인, 허가를 받은 또는 적절한 라이선스가 부여된 역사적 출처에서 획득되었습니다.

1. 출처-사용 고려사항

1. 각 이미지의 출처를 처리하기 전에 출처를 반드시 확인하세요. 여기에는 역사적 저자, 출처 제목, 대략적인 출판 연도, 디지털 출처 등이 포함됩니다.
2. 향상된 결과물을 복원된 원본 작품이나 잃어버린 해부학적 정보가 회복되었다는 증거가 아닌 가공된 디지털 복제본으로 해석하세요.
3. 원본 파일과 향상된 파일을 함께 보관하여 처리된 이미지가 항상 원본 이미지와 직접 비교할 수 있도록 하세요.

2. 디지털화된 역사적 신경해부학 삽화 선정

1. 16세기부터 19세기까지 출판된 디지털화된 역사적 삽화를 선별합니다.
2. 뇌, 대뇌 반구, 회와 설, 심실계, 뇌간, 뇌신경, 뇌혈관 또는 관련 신경계 해부학과 같은 신경해부학적 구조를 묘사한 삽화를 포함하세요.
3. 출처가 명확하고 퍼블릭 도메인 또는 재사용 호환 상태인 출처에서 얻은 이미지만 포함하세요. 선정된 각 삽화가 16세기에서 19세기 사이에 출판되었고, 출처와 재사용 여부가 개별적으로 확인된 후 포함되어야 함을 확인한다.
4. 중복된 이미지, 심하게 잘린 이미지, 불완전한 판, 현대적으로 재그린 복제본, 또는 원본 선명도가 부족한 이미지(더 높은 품질 버전이 있을 때 약 1,000픽셀 미만의 긴 축 크기를 가진 원본 파일), 약 20% 이상에 영향을 미치는 누락 또는 잘린 해부학적 내용, 선택한 영역의 읽을 수 없는 라벨, 심각한 압축 아티팩트를 제외합니다. 또는 원본 이미지와의 비교를 방해하는 스캔 관련 열화.
5. 역사적 저자, 출처 제목, 출판 연도, 가능한 경우 판 또는 페이지 번호, 저장소 메타데이터, 시각적 콘텐츠를 비교하여 중복 삽화를 식별합니다. 중복 스캔이 가능할 경우, 더 높은 해상도, 더 완전한 판 경계, 더 선명한 라벨을 가진 버전을 유지하세요.
6. 처리 전에 포함된 각 이미지에 고유한 파일 식별자를 할당하세요.
7. 작업 흐름 전반에 걸쳐 원본 이미지와 향상된 버전의 짝을 유지하세요.

3. 디지털화된 소스에서 이미지 추출

1. 가장 높은 품질의 버전을 사용해 디지털화된 소스 파일을 열어보세요.
2. 각 대상 일러스트는 원본 휴대용 문서 형식(PDF) 파일에서 내보내거나, 직접 내보내기가 불가능할 경우 디지털 소스에서 캡처하여 가져옵니다.
3. PDF 리더나 내보내기 소프트웨어를 사용하여 PDF 기반 이미지 추출을 하세요. 직접 내보내기가 불가능할 때만 표준 스크린캡처 유틸리티를 사용하세요.
4. PDF 기반 추출의 경우, 가능한 경우 원본 내장 이미지 해상도를 사용하고 내보내기 시 다운샘플링을 피하세요. 스크린샷 기반 추출의 경우, 소스를 100% 또는 200% 배율로 표시하고, 디스플레이 해상도, 디스플레이 배율, 모니터 스케일링 설정, 그리고 결과적인 스크린샷 크기를 기록하세요.
5. 추출된 이미지를 원본 가용성과 추출 방법에 따라 Joint Photographic Experts Group(JPEG) 또는 Portable Network Graphics(PNG) 형식으로 저장하세요.
6. 가능한 한 추출 시 전체 해부학적 그림을 보존하세요. 전체 삽화를 보존할 수 없다면, 2.4단계의 제외 기준을 적용하고 작물을 문서화하세요.
7. 라벨과 역사적으로 관련된 표시가 주요 일러스트의 일부라면 유지하세요. 추출 중에는 해부학적 구조를 수동으로 다시 그리거나, 색을 바꾸거나, 재구성하거나 터치하지 마세요.

4. 향상 전 전처리 및 파일 표준화

1. 추출한 각 이미지를 보정하기 전에 검토하세요.
2. 정보 없는 바깥쪽 가장자리나 빈 주변 구역만 자르세요. 크롭 외에는 수동 시각 보정을 하지 마세요. 특히, 향상 전에 수동 선명화, 노이즈 제거, 재색칠, 재도화, 선택적 청소, 해부학적 리터칭을 하지 마십시오.
3. 보수적인 이미지 자르기와 간단한 레이아웃 준비에는 이미지 편집 소프트웨어를 사용하세요. 해부학적 리터칭은 하지 마세요.
4. 향상 전에 기준 이미지를 원본 참조 파일로 보존하세요. 원본 원본 치수가 역사적 판마다 다르기 때문에 처리 전에 기본 이미지 크기와 해상도를 단일 균일한 픽셀 차원으로 강제로 맞추지 마십시오.
5. 각 사전 처리된 파일이 원본 이미지를 충실하게 디지털화한 재현임을 확인한 후 AI 보조 향상으로 진행하세요.

5. 인공지능 보조 향상

1. 표준화된 입력 이미지를 로컬에 설치된 인공지능 기반 이미지 업스케일링 소프트웨어에서 엽니다.
2. 배치 처리가 특별히 필요하지 않은 한 단일 이미지 처리 모드를 사용하세요.
3. Select Image 기능을 사용해 입력 이미지를 선택하세요.
4. 처리 전에 고정된 초해상도 모델이나 프리셋을 선택하고, 포함된 모든 이미지에 동일한 모델을 사용하세요.
5. 이 작업 흐름에서 사용된 고정 설정을 재현하기 위해 이미지 스케일을 16배로 설정하고, 기본 소프트웨어 파라미터가 수동으로 수정되지 않았음을 기록하세요. 선택한 척도를 최적화되었거나 대안 척도 인수보다 우수하다고 해석하지 마십시오.
6. 모든 포함된 이미지에 동일한 향상 설정을 사용하여 워크플로우 전반에 걸쳐 일관성을 유지하세요.
7. 출력 폴더를 입력 이미지와 동일한 디렉터리 또는 미리 정의된 프로젝트 출력 폴더로 설정하고, 가능하면 원본 파일이 우연히 덮어쓰는 것을 방지하기 위해 별도의 출력 디렉터리를 사용하세요.
8. 13세대 16코어 24스레드 모바일 중앙처리장치, 8GB 그래픽 메모리를 갖춘 전용 노트북 그래픽 처리 장치, 32GB RAM이 장착된 컴퓨터에서 이 향상을 수행하세요. 이미지 처리 중 그래픽 처리 장치(GPU) 가속을 활성화하여 입력 이미지 크기에 따라 처리 시간을 약 3분으로 단축할 수 있습니다.
   참고: 소프트웨어와 모델 파일이 로컬에 설치된 후에는 인터넷 접속이 필요하지 않습니다.
9. 소프트웨어의 향상 명령어나 처리 시작 명령을 사용하여 향상 프로세스를 실행하세요.
10. 향상된 출력물을 PNG 형식으로 내보내세요.
11. 가능하면 소프트웨어가 자동으로 생성한 출력 파일 이름을 보존하거나, 원본 이미지 신원, 향상 척도, 출력 형식을 기록하는 구조화된 파일 이름을 할당하세요.
    참고: AI 강화 후에는 수동으로 다시 그리거나, 보정하거나, 색칠을 바꾸거나, 해부학적 세부 사항을 선택적으로 수정하지 마십시오.
12. 향상된 PNG 파일을 원본 기준 이미지와 함께 아카이브하세요.

6. 개선 후 품질 관리 검토

1. 각 향상된 이미지와 해당 원본 이미지를 함께 열어보세요. 향상된 파일이 완전히 생성되었는지, 파일 손상이나 불완전한 내보내기가 발생하지 않았는지 확인하세요.
2. 향상된 이미지와 저배율과 고배율 원본 이미지를 비교해 보세요. 이 향상이 선, 해부학적 윤곽, 라벨, 스캔된 세부 사항의 가시성을 개선하는지 확인하세요.
3. 체계적인 기술 품질 관리 체크리스트를 적용하세요. 이 체크리스트는 공식적인 전문가-평가자 검증 연구가 아니라 문서화 단계입니다.
4. 특히 다음 향상 관련 문제에 대해 출력을 검사하세요: 인공 텍스처 형성; 과도한 날카로운 선, 과장된 종이 결, 원본 이미지보다 더 뚜렷해 보이는 가장자리 등; 글자나 라벨의 왜곡; 별개의 선들 사이의 거짓 연속성; 미세한 해부학적 선의 두꺼운 증가; 과장된 종이 질감; 그리고 원본 이미지에 명확히 지지되지 않은 구조물들.
5. 각 출력을 기술적으로 수용 가능하거나 최적이 아닌 것으로 분류하세요.
   1. 해부학적 윤곽, 라벨, 역사적 표시가 원본 디지털화된 이미지와 시각적으로 일치한다면 출력물은 기술적으로 허용 가능한 것으로 간주됩니다.
   2. 향상이 오해를 불러일으키는 질감, 왜곡된 텍스트, 인위적인 선 형성, 또는 역사적 외관의 과도한 변경을 초래한다면 출력이 최적이 아닌 것으로 간주됩니다. 방법의 한계를 보여주는 최적이 아닌 출력은 문서화에 남겨두세요.
6. 원본 이미지를 향상된 이미지로 교체하지 마세요. 향상된 이미지는 처리된 동반 버전으로만 사용하세요.

7. 쌍 비교를 위한 관심 영역 선택

1. 원본 이미지와 향상된 전체 이미지가 아카이브된 후, 각 이미지 쌍에서 하나 이상의 대표적인 관심 영역(ROI)을 수동으로 선택하세요. 신경해부학적 시각화에 향상이 실제로 미치는 영향을 보여주는 부위를 선택하세요. 심실 구조, 회와 설랑, 혈관 선, 뇌간 윤곽선, 뇌신경 관련 세부사항, 또는 작은 라벨과 같이 시각적으로 복잡하거나 깊이가 풍부한 해부학적 세부 부위를 선호합니다. 시각적으로 가장 좋은 영역만 선택하는 것은 피하세요; 개선의 강점과 한계를 공정하게 나타내는 영역을 포함하세요.
2. 각 선택된 영역에 대해, 원본과 향상된 이미지에서 동일한 해부학적 영역을 동일한 비례 좌표를 사용해 자르세요. 이미지 크기 차이로 정확한 좌표 매칭이 불가능할 경우, 조정 과정을 문서화하세요. ROI 크기는 이미지 너비와 높이의 약 10%–20%이며, 두 패널에 동일한 해부학적 구조나 라벨을 포함할 때만 조정하세요.
3. 원본과 향상된 ROI 패널이 동일한 해부학적 필드를 표시하는지 확인하세요. 크롭 후에는 ROI 패널에 추가적인 선명, 대비 조정, 수동 보정을 적용하지 마세요.
4. ROI 패널은 증강 효과를 시각적으로 보여주기 위해서만 사용하고, 독립적인 전문가 평가 자료로는 사용하지 마세요.

8. 대표 수치 준비

1. 전체 프로토콜을 요약한 워크플로우 도표를 준비하세요.
2. 원본과 향상된 버전을 보여주는 대표적인 쌍 이미지 도표를 준비하세요.
3. 각 대표적인 이미지 도형에 대해 가능하면 4패널 구조를 사용하세요. 원본 디지털화된 일러스트를 패널 A에 배치하세요; 패널 B의 AI 강화 삽화; 패널 C의 원본 이미지에서 확대된 투자수익률(ROI); 그리고 패널 D에서 향상된 이미지에서 배율된 ROI가 일치합니다.
4. 원본 보강 패널 쌍을 대비한 패널 간격, 정렬, 패널 라벨, 확대율을 일정하게 사용하세요. 패널 라벨과 주석에는 일관되고 읽기 쉬운 크기의 표준 산세리프 글꼴을 사용하고, 선택한 글꼴과 크기를 기록하세요.
5. 특정 선, 라벨 또는 유물을 표시할 때만 화살표나 화살촉을 사용하며, 원본 이미지에서 보이지 않는 해부학적 해석을 암시하는 화살표는 추가하지 마십시오.
6. 원본 이미지가 신뢰할 수 있는 공간 보정을 제공할 때만 스케일 바를 추가하세요. 유효한 공간 축척이 없는 역사적 번호판의 경우, 축척 막대를 추가하지 마세요.
7. 원본 패널과 향상된 패널을 준비할 때 추가적인 밝기나 대비 조정은 하지 마십시오. 300 dpi로 수치를 내보내며, 미세 작업 및 라벨 작업에서 고해상도 디스플레이가 필요할 경우 600 dpi로 출력합니다.
8. 다양한 역사적 출처에서 본 예를 포함하여 워크플로우가 다양한 드로잉 스타일과 스캔 품질에 걸쳐 적용될 수 있음을 보여주세요. 인공 텍스처 형성이나 텍스트 왜곡과 같은 최적 이하의 향상 결과를 보여주는 예시를 최소 한 개 포함하여 방법의 한계를 보여줄 것입니다.
9. 피규어는 삽입된 범례 없이 별도의 고품질 PDF, TIFF, JPEG 파일로 내보내세요. PDF 내보내기 시에는 원본 이미지 크기를 유지하고 다운샘플링이나 손실 압축을 피하세요.
10. 도형 범례는 원고 파일에만 제공하세요.
11. 제출 전에 모든 그림 패널의 크롭, 해상도, 패널 완성도를 확인하세요.

9. 문서 작성 및 데이터 관리

1. 각 이미지의 원본과 향상된 버전을 쌍으로 저장하여 모든 향상된 출력이 해당 소스 이미지로 추적할 수 있도록 합니다.
2. 각 일러스트의 소스 저장소를 기록하며, 아카이브 또는 저장소 이름, 가능한 경우 안정적인 URL 또는 접근 정보, 재사용 상태, 접근 날짜를 포함합니다.
3. 각 이미지의 처리 방법, 추출 방법, 전처리 단계, 향상 소프트웨어, 소프트웨어 버전, 선택한 모델, 축척 계수, 출력 형식, 최종 파일 이름 등을 기록하세요.
4. 각 이미지가 PDF 내보내기로 추출되었는지, 스크린샷 캡처로 추출되었는지, 자르기가 정보 제공이 아닌 여백으로 제한되었는지, 그리고 향상이 고정된 16배 초해상도 설정을 사용했는지 기록하세요.
5. 가능하면 소프트웨어가 생성한 출력 파일 이름을 보존하거나, 원본 이미지 식별, 향상 척도, 출력 형식을 기록하는 구조화된 파일 이름을 할당하세요.
6. 각 향상된 출력이 기술적으로 수용 가능한지 또는 최적이 아니었는지 문서화하세요. 비효율적인 발견에는 인공 질감 형성, 과도한 선명화, 왜곡된 라벨, 시각적으로 오해를 불러일으키는 선의 변화 등이 포함될 수 있습니다.

결과

원본 및 향상된 이미지 비교가 원고 도표에 제공된다. 출판일, 출처, 저장소 정보, 재사용 상태를 이 연구에 포함된 40개의 역사적 삽화 각각에 대해 검증 및 문서화하였습니다.

이미지 데이터셋 및 소스 특성
이 프로토콜은 40개의 디지털화된 역사적 신경해부학 삽화에 적용되었습니다. 모든 삽화의 출판 연도, 출처, 재사용 여부는 개별적으로 확인되었으며, 선정된 모든 삽화는 16세기에서 19세기 사이에 출판된 작품에서 유래했습니다. 포함된 그림들은 피질 표면 해부학, 뇌회와 설루시, 심실 구조, 뇌간 영역, 뇌신경 관련 해부학, 혈관 특징 등 다양한 신경해부학 주제를 대표했습니다. 이 이미지들은 퍼블릭 도메인, 허가를 거쳐 또는 재사용 호환이 가능한 디지털화된 역사적 자료에서 획득되었으며; 저장소 정보와 재사용 상태는 40개의 모든 삽화에 대해 개별적으로 문서화되었습니다.

원본 디지털화된 복제본은 낮은 해상도, 희미한 선, 배경 변색, 스캔 관련 흐림, 압축 아티팩트, 작은 라벨의 가독성 저하 등 역사적 자료에서 흔히 겪는 한계를 보여주었습니다. 이러한 한계는 표준화된 향상 워크플로우를 적용할 수 있는 실질적인 테스트 케이스를 제공했습니다. 원본 비향상 이미지는 기본 파일 상태로 유지되었으며, 워크플로우 전반에 걸쳐 해당 향상 출력과 짝지어 제공되었습니다.

향상 워크플로우의 기술적 산출물
40장의 기본 이미지 모두 동일한 로컬 설치 AI 지원 이미지 업스케일링 소프트웨어와 고정된 향상 설정을 사용해 처리되었습니다. 포함된 모든 이미지에 16배 초해상도 프리셋이 일관되게 적용되었고, 향상된 출력물은 PNG 형식으로 내보내졌습니다. 수작업으로 다시 그리거나, 색을 채색하거나, 선택적 보정, 해부학적 보정을 강화 전후에 수행하지 않았습니다. 처리는 13세대 16코어 24스레드 이동식 중앙처리 장치(CPU), 8GB 그래픽 메모리와 32GB RAM을 갖춘 전용 노트북 그래픽 처리 장치, 그래픽 처리 장치 가속이 활성화된 컴퓨터에서 수행되었습니다. 입력된 이미지 크기에 따라 처리 시간은 이미지당 약 3분이었습니다.

향상된 이미지는 일반적으로 더 선명한 선명도, 더 강한 선명도, 해부학적 선과 배경 사이의 명확한 구분, 그리고 작은 해부학적이거나 텍스트적인 세부 사항의 가시성을 높였습니다. 이러한 현상은 잉크가 바래거나, 대비가 낮거나, 스캔 관련 흐림이 있는 이미지에서 가장 두드러졌습니다. 이 향상은 원본 역사적 예술 작품의 복원보다는 디지털화된 복제본의 기술적 처리로 해석되었다.

워크플로우의 실질적인 한계는 출력 파일 크기가 크게 증가했다는 점이었습니다. 경우에 따라 약 1MB 크기의 파일이 16배 향상 후 200MB 이상으로 증가하기도 했습니다. 따라서 대규모 이미지 컬렉션에 워크플로우를 적용할 때는 저장 용량, 파일 관리, 도표 준비 등을 고려해야 합니다.

대표적인 성공적인 향상 결과
대표적인 쌍 사례들은 다양한 출처와 시기의 역사적 신경해부학 삽화에 대한 프로토콜의 실질적 효과를 보여주었습니다(그림 2, 그림 3, 그림 4, 그림 5). 성공적인 사례에서는 향상된 이미지가 해부학적 윤곽이 더 명확해지고, 미세선의 연속성이 더 높으며, 피질 회, 심실 구조, 혈관 선, 뇌간 관련 세부 사항 등 복잡한 영역의 가시성 향상을 보였습니다.

쌍 피규어 형식은 원본과 향상된 버전 간 직접 비교가 가능했습니다. 저배율에서 가장 눈에 띄는 개선은 전역 명료도, 대비, 가독성이었습니다. 더 높은 배율에서는 선의 연속성, 가장자리 선명, 소표 가시성의 차이가 더 뚜렷해졌습니다. 관심 영역이 일치하는 것은 해부학적 관련 세부 사항에 대한 국소적 강화 효과를 입증하는 데 유용했습니다.

원본 이미지는 모든 해석에 필수적이었다. 따라서 향상된 이미지는 원본 역사적 출처를 대체하는 것이 아니라 보조 처리된 이미지로 제시되어야 합니다.

최적이 아닌 향상 결과 및 품질 관리 결과
대부분의 대표적인 예시에서 워크플로우는 기술적으로 수용 가능한 출력을 냈지만, 품질 관리 검토 과정에서 몇 가지 한계가 관찰되었습니다. 일부 이미지에서는 인공적인 질감이 증가하거나, 종이 결이 과장되거나, 작은 글자와 라벨이 왜곡되기도 했습니다. 다른 경우에는 잔주름이 지나치게 선명하게 나오거나 원본 이미지보다 시각적으로 더 두꺼워 보였다.

이러한 최적이 아닌 결과는 심한 기준선 열화, 낮은 소스 해상도, 빽빽한 라벨링, 또는 두드러진 종이 질감이 있는 이미지에서 더 자주 발생했습니다. 이러한 발견은 보정 후 원본 이미지와 직접 비교할 필요성을 강조합니다. 또한 교육 자료, 발표, 학술 인물에서 향상된 이미지를 사용하기 전에 품질 관리 단계를 지원합니다. 이 구조화된 검토는 공식적인 전문가-평가자 검증 연구보다는 기술적 품질 관리 문서로 사용되었습니다.

이 방법의 한계를 보여주기 위해 그림 6 에 비효율적인 예시가 포함되어 있습니다. 이는 인공지능 보조 향상이 시각적 선명도를 향상시키는 동시에 실제 역사적 또는 해부학적 세부 사항으로 오인될 수 있는 변화를 만들어낼 수 있기 때문에 특히 중요합니다.

향상된 출력에 대한 권장 해석
이 프로토콜의 결과는 기술적 실현 가능성과 워크플로우 재현성에 대한 시연으로 해석되어야 합니다. 이 방법은 특히 원본 디지털화된 이미지가 흐림, 희미함 또는 선명도 저하로 영향을 받을 때 디지털화된 역사적 신경해부학 삽화의 시각적 접근성을 향상시킬 수 있습니다. 하지만 향상된 출력물은 원본 작품의 복원, 잃어버린 정보 복원, 해부학적 정확성을 입증하지 못합니다.

교육, 발표 또는 기록 보관 전시를 위해 향상된 이미지는 원본 디지털화된 원본과 함께 또는 명확히 링크되어야 합니다. 이 쌍정 접근법은 역사적 투명성을 유지하고 향상된 관련 변경 사항을 과도하게 해석할 위험을 줄여줍니다. 따라서 이 프로토콜은 역사적 원본 자료를 대체하는 방법보다는 디지털화된 복제본의 통제된 시각적 향상 워크플로우로 가장 적합합니다.

그림 1: 디지털 역사적 신경해부학 일러스트의 AI 지원 향상 워크플로우. 도식은 디지털 저장소에서의 이미지 획득, 이미지 준비, 고정 16× AI 보조 향상, 그리고 향상된 이미지를 내보내 후속 평가 및 문서화를 요약합니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 2: 베살리우스의 디지털화된 역사적 신경해부학 삽화의 대표적 보강. 이 일러스트는 안드레아스 베살리우스의 『 De humani corporis fabrica libri septem 』¹³장의 디지털화된 역사적 자료에서 가져온 것이다. (A) 보정 전 원본 디지털화된 일러스트. (B) 동일한 일러스트의 초해상도 향상 버전. (C) 원본 이미지에서 확대된 관심 영역. (D) 향상된 이미지에서 확대된 관심 영역과 일치함. 빨간 상자는 C 와 D 패널에서 확대된 영역을 나타냅니다. 쌍으로 비교하면 선의 명분, 대비, 시각적 선명도가 더 높게 인식되며, 원본 디지털화된 이미지와 직접 비교할 수 있습니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 3: Steno에서 제공한 디지털화된 역사적 신경해부학 일러스트의 대표적 향상. 이 일러스트는 니콜라 스테노¹⁴번의 『Discours de Monsieur Stenon sur l'anatomie du cerveau』의 디지털화된 역사적 자료에서 가져온 것이다. (A) 보정 전 원본 디지털화된 일러스트. (B) 동일한 일러스트의 초해상도 향상 버전. (C) 원본 이미지에서 확대된 관심 영역. (D) 향상된 이미지에서 확대된 관심 영역과 일치함. 빨간 상자는 C와 D 패널에서 확대된 영역을 나타냅니다. 향상된 영상은 미세한 선의 가시성이 더 잘 보이고 스캔 관련 시각 저하가 감소함을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 4: 롤란도의 디지털화된 역사적 신경해부학 일러스트의 대표적 보강. 이 삽화는 루이지 롤^란도의 『Della struttura degli emisferi cerebrali』의 디지털화된 역사적 자료에서 가져온 것입니다. (A) 보정 전 원본 디지털화된 일러스트. (B) 동일한 일러스트의 초해상도 향상 버전. (C) 원본 이미지에서 확대된 관심 영역. (D) 향상된 이미지에서 확대된 관심 영역과 일치함. 빨간 상자는 C와 D 패널에서 확대된 영역을 나타냅니다. 비교 결과, 확대 후 피질 표면 세부 사항과 해부학적 선의 연속성이 더 뚜렷하게 보입니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 5: Vicq d'Azyr의 디지털화된 역사적 신경해부학 일러스트의 대표적 향상. 이 일러스트는 펠릭스 빅 다지르의 『 해부학과 생리학 논문 』¹⁶편의 디지털화된 역사적 자료에서 가져온 것이다. (A) 보정 전 원본 디지털화된 일러스트. (B) 동일한 일러스트의 초해상도 향상 버전. (C) 원본 이미지에서 확대된 관심 영역. (D) 향상된 이미지에서 확대된 관심 영역과 일치함. 빨간 상자는 C 와 D 패널에서 확대된 영역을 나타냅니다. 쌍을 이룬 패널들은 역사적 해부학 판에서 더 큰 명암과 세부 관찰력을 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

그림 6: 아놀드가 제공한 디지털화된 역사적 신경해부학 일러스트에서의 비최적화 AI 보조 향상 결과. 이 삽화는 프리드리히 아놀드¹⁷의 디지털화된 역사적 자료인 『해부학 표』에서 가져온 것이다. (A) 보정 전 원본 디지털화된 일러스트. (B) 동일한 일러스트의 초해상도 향상 버전. (C) 원본 이미지에서 확대된 관심 영역. (D) 향상된 이미지에서 확대된 관심 영역과 일치함. 빨간 상자는 C와 D 패널에서 확대된 영역을 나타냅니다. 향상된 이미지는 인공 종이 질감, 과도한 선명화, 작은 라벨의 부분적 왜곡, 시각적으로 두꺼워진 선 작업 등 방법상의 한계를 보여줍니다. 이 예시는 향상된 이미지가 원본 소스와 함께 유지되어야 하며, 사용 전에 품질 관리 검토를 거쳐야 하는 이유를 보여줍니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

토론

이 방법 논문은 디지털 역사적 신경해부학 그림을 AI 보조 향상에 대한 재현 가능한 워크플로우를 제시합니다. 역사적 해부학 이미지는 오랫동안 해부학 기록, 교육, 과학 소통의 중요한 도구로 사용되어 왔으며, 이들 중 많은 작품들은 현재 디지털화된 책, 스캔된 아카이브, 온라인 저장소를 통해 접근할 수 있습니다. 하지만 현대 교육, 발표, 디지털 아카이빙에서의 사용은 낮은 해상도, 희미한 선 작업, 배경 변색, 스캔 관련 흐림, 압축 아티팩트, 그리고 작은 라벨 12,18,19,20의 가독성 저하로 인해 종종 제한됩니다.

이 프로토콜의 주요 강점은 단순성과 재현 가능성입니다. 이 프로토콜은 새로운 초해상도 알고리즘을 도입하거나 향상된 이미지가 원본 이미지보다 역사적으로 더 진정하다고 주장하려는 의도가 아닙니다. 대신, 이 기술의 기여는 통제되지 않은 임시방편 향상 위험을 줄이는 신중한 워크플로우의 표준화입니다. 워크플로우는 퍼블릭 도메인 또는 재사용 호환 디지털 소스, 보수적 크롭, 그리고 접근 가능한 이미지 업스케일링 애플리케이션의 고정 향상 설정을 사용합니다. 동일한 16배 초해상도 프리셋이 모든 포함된 이미지에 적용되었으며, 수작업으로 해부학적 리터칭, 재그리기, 재색 또는 선택적 보정은 수행되지 않았습니다. 이는 역사적 신경해부학 일러스트가 일반적인 디지털 이미지가 아니기 때문에 중요합니다; 이들은 과학적, 교육적, 예술적, 역사적 문서입니다. 따라서 향상은 원본 작품의 복원이나 잃어버린 해부학적 정보가 회복되었다는 증거가 아니라 디지털화된 복제본의 처리로 해석되어야 합니다 19,21,22.

AI 보조 이미지 향상 및 초해상도 방법은 저하되거나 저해상도 이미지에서 겉보기 해상도, 가장자리 선명, 대비, 시각적 접근성을 향상시킬 수 있습니다. 성공적인 사례에서는 현재 워크플로우가 미세한 해부학적 선, 피질 및 심실 윤곽, 혈관 세부, 뇌간 관련 구조, 작은 라벨을 더 잘 인식할 수 있게 했습니다. 이러한 변화는 강의, 교육 인물, 디지털 아카이브, 학술 발표를 위한 역사적 신경해부학 삽화를 준비할 때 유용할 수 있습니다. 하지만 원본 이미지는 참조 소스로 남아 있어야 하며, 향상된 이미지는 대체 이미지가 아니라 보조 처리된 이미지로 사용해야^합니다.

개선 후 품질 관리는 프로토콜에서 필수적인 단계입니다. AI 보조 향상은 특히 심한 기준선 열화, 빽빽한 라벨링, 낮은 소스 해상도, 또는 두드러진 종이 질감이 있는 이미지에서 때때로 최적이 아닌 결과를 낼 수 있습니다. 잠재적 문제로는 인공 질감 형성, 과도한 선명화, 미세선 두꺼움, 작은 글자 왜곡, 그리고 선의 연속성 변화가 시각적으로 오해를 불러일으키는 경우가 있습니다. 이러한 위험은 시각적 그럴듯함이 해부학적 정확성을 보장하지 않는 AI 생성 또는 수정된 의료 삽화의 해부학적 신뢰성에 대한 광범위한 우려와 일치합니다. 이 때문에 모든 향상된 출력은^{12, 25, 26}을 사용하기 전에 원본 디지털화된 소스와 직접 비교해야 합니다.

이 프로토콜에는 여러 제한이 있습니다. 첫째, 향상된 출력물의 품질은 원본 이미지의 품질에 크게 의존합니다. 심각하게 손상되었거나 불완전하거나 스캔이 부실한 이미지는 신뢰할 만한 출력을 내지 못할 수 있습니다. 둘째, 16배 향상은 출력 파일 크기를 크게 증가시켜 저장, 전송, 그림 준비를 복잡하게 만들 수 있습니다. 선택된 16배 척도는 대체 척도 인자와 비교하지 않았으며, 최적으로 해석해서는 안 됩니다. 셋째, 이 글은 객관적인 이미지 품질 지표, 전문가-평가자 점수, 교육 결과 데이터를 제공하지 않습니다. 대신 현재 프로토콜은 구조화된 기술적 품질 관리 문서를 제공하며, 향상된 이미지를 원본 역사적 출처의 검증된 대체물이 아닌 동반 시각화로 명시적으로 구성합니다. 목적은 다른 향상 알고리즘에 비해 우수성을 입증하거나 학습 결과를 측정하기보다는 표준화된 기술 워크플로우를 설명하는 데 있습니다.

향후 연구에서는 선명도, 대비, 가장자리 보존, 텍스트 가독성, 파일 크기, 처리 시간과 같은 객관적인 이미지 품질 지표를 다양한 향상 모델, 축척 요소, 비교할 수 있습니다. 교육 연구는 향상된 역사적 이미지가 학습자의 참여도나 해부학적 이해를 향상시키는지도 평가할 수 있습니다. 현재 형태의 프로토콜은 디지털화된 역사적 신경해부학 일러스트의 시각적 접근성을 향상시키는 실용적이고 재현 가능한 접근법을 제공하며, 출처의 투명성과 해석적 신중함을 유지합니다. 향상된 이미지는 원본 소스의 처리된 디지털 동반자로 간주되어야 하며, 독립적인 해부학적 참고 자료로 간주되어서는 안 됩니다.

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
Adobe Acrobat	Adobe	버전 기록 없음	PDF 기반 이미지 추출
컴퓨터 워크스테이션	제출된 파일에 보고되지 않음	구성 보고되지 않음	로컬 AI 보조 이미지 향상에 사용된 하드웨어
디스플레이/스크린샷 설정	Windows 화면 캡처 도구 또는 동등한 도구	100% 또는 200% 디스플레이 확대; 모니터 스케일링 기록됨	직접 PDF 내보내기가 불가능할 때 표준화된 스크린샷 기반 추출
Gallica	Bibliothèque nationale de France	온라인 저장소	디지털화된 역사적 작품의 출처
일반 사진 Real-ESRGAN 사전 설정	Upscayl / Real-ESRGAN 기반 모델	16x 설정	디지털화된 삽화의 초고해상도 향상
Google Books	Google	온라인 저장소	디지털화된 역사적 도서의 출처
그래픽 처리 장치	제출된 파일에 보고되지 않음	모델 및 가속 상태 보고되지 않음	이미지 업스케일링에 대한 GPU 가속(사용 가능한 경우)
인터넷 아카이브	인터넷 아카이브	온라인 저장소	공공 도메인 디지털화된 역사적 작품의 출처
로컬 저장소 드라이브	사용자 지정 워크스테이션	충분한 여유 저장 공간	원본, 향상된 및 그림 준비 이미지 파일의 저장
PDF 내보내기 설정	Adobe Acrobat 또는 동등한 PDF 리더/내보내기 소프트웨어	가능한 경우 원본 내장 해상도	디지털화된 PDF 출처에서 의도적인 다운샘플링 없이 이미지 추출
PhotoScape X	MOOII Tech	v4.1.1	보수적인 크로핑 및 그림 준비
PNG 이미지 형식	—	—	향상된 이미지의 출력 형식
처리 로그 스프레드시트	Microsoft Excel 또는 동등한 스프레드시트 소프트웨어	버전 중요하지 않음	출처, 추출 방법, 향상 설정, 처리 시간, 출력 파일 이름 및 QC 분류의 문서화
품질 관리 체크리스트	저자 생성 체크리스트	해당 없음	인공 텍스처, 과도한 샤프닝, 레이블 왜곡, 선 두께 증가 및 지원되지 않는 시각적 변화에 대한 구조화된 기술 검토
시스템 메모리	제출된 파일에 보고되지 않음	RAM 용량 보고되지 않음	고규모 이미지 향상에 사용 가능한 메모리
Upscayl	Upscayl	v2.11.5	인공 지능 보조 이미지 업스케일링
Wellcome Collection	Wellcome Collection	온라인 저장소	공공 도메인 디지털화된 역사적 작품의 출처
Wikimedia Commons	Wikimedia Foundation	온라인 저장소	공공 도메인 또는 재사용 가능한 이미지의 출처
Windows 운영 체제	Microsoft	Windows 10	이미지 추출 및 처리에 사용된 운영 체제
Windows 화면 캡처 도구	Microsoft	Windows 10 내장 도구	PDF 내보내기가 불가능할 때 스크린샷 기반 이미지 캡처